論文の概要: EclipseNETs: a differentiable description of irregular eclipse conditions

• arxiv url: http://arxiv.org/abs/2408.05387v1
• Date: Fri, 9 Aug 2024 23:53:28 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-13 19:21:55.202549
• Title: EclipseNETs: a differentiable description of irregular eclipse conditions
• Title（参考訳）: EclipseNETs:不規則な日食条件の異なる説明
• Authors: Giacomo Acciarini, Francesco Biscani, Dario Izzo,
• Abstract要約: 我々は、非常に不規則な天体に対する日食領域の完全な微分可能なモデルを開発する。 本研究では、太陽の方向に基づいて日食円錐の形状を定義する暗黙のニューラルネットワークアーキテクチャについて検討する。 宇宙飛行力学計算におけるこれらの微分可能なモデルの可能性について論じる。
• 参考スコア（独自算出の注目度）: 4.868863044142366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the field of spaceflight mechanics and astrodynamics, determining eclipse regions is a frequent and critical challenge. This determination impacts various factors, including the acceleration induced by solar radiation pressure, the spacecraft power input, and its thermal state all of which must be accounted for in various phases of the mission design. This study leverages recent advances in neural image processing to develop fully differentiable models of eclipse regions for highly irregular celestial bodies. By utilizing test cases involving Solar System bodies previously visited by spacecraft, such as 433 Eros, 25143 Itokawa, 67P/Churyumov--Gerasimenko, and 101955 Bennu, we propose and study an implicit neural architecture defining the shape of the eclipse cone based on the Sun's direction. Employing periodic activation functions, we achieve high precision in modeling eclipse conditions. Furthermore, we discuss the potential applications of these differentiable models in spaceflight mechanics computations.
• Abstract（参考訳）: 宇宙飛行力学と天体力学の分野では、日食領域を決定することは頻繁にかつ重要な課題である。 この決定は、太陽放射圧による加速、宇宙船の電力入力、そしてその熱状態など、ミッション設計の様々な段階で考慮しなければならない様々な要因に影響を及ぼす。 本研究では、近年のニューラル画像処理の進歩を利用して、非常に不規則な天体に対する日食領域の完全微分可能なモデルを開発する。 433 Eros, 25143 Itokawa, 67P/Churyumov-Gerasimenko, 10 1955 Bennuなどの太陽系の天体が以前に訪れたテストケースを利用して、太陽の方向に基づいて日食円錐の形状を定義する暗黙のニューラルネットワークアーキテクチャを提案し、研究した。 周期的活性化関数を用いて、日食条件のモデル化において高精度を実現する。 さらに、宇宙飛行力学計算におけるこれらの微分可能なモデルの可能性について論じる。

関連論文リスト

• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Magnetogram-to-Magnetogram: Generative Forecasting of Solar Evolution [0.0]
  DDPM(Denoising Diffusion Probabilistic Models)を用いた画像と画像の変換による視線(LoS)磁気グラムの進化予測手法を提案する。 提案手法は,画像品質の「計算機科学メトリクス」と物理精度の「物理メトリクス」を組み合わせて,モデル性能の評価を行う。 その結果, DDPMは, 太陽磁場の動的範囲, 磁束, 活動領域の大きさなどの物理的特徴の維持に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-07-16T12:28:10Z)
• Aurora: A Foundation Model of the Atmosphere [56.97266186291677]
  我々はAuroraを紹介します。Auroraは、100万時間以上の多様な気象および気候データに基づいてトレーニングされた大気の大規模な基礎モデルです。 オーロラは1分以内に5日間の大気汚染予測と10日間の高解像度気象予測を生み出している。
  論文  参考訳（メタデータ） (2024-05-20T14:45:18Z)
• Finding Real-World Orbital Motion Laws from Data [0.0]
  宇宙における衛星の動きを管理するPDEを発見するための新しいアプローチが提示されている。 この手法は、複雑な物理系の基盤となる力学を識別できるデータ駆動技術であるSINDyに基づいている。
  論文  参考訳（メタデータ） (2023-11-16T16:53:52Z)
• Improving day-ahead Solar Irradiance Time Series Forecasting by Leveraging Spatio-Temporal Context [46.72071291175356]
  太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。 しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。 本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-06-01T19:54:39Z)
• Physics-driven machine learning for the prediction of coronal mass ejections' travel times [46.58747894238344]
  コロナ質量放出(CME)は、太陽コロナからヘリウム圏へのプラズマと磁場の劇的な放出に対応する。 CMEは地磁気嵐と相関しており、太陽エネルギー粒子の流れを発生させる可能性がある。 本稿では,CMEの走行時間予測のための物理駆動型人工知能手法を提案する。
  論文  参考訳（メタデータ） (2023-05-17T08:53:29Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)
• SpaceYOLO: A Human-Inspired Model for Real-time, On-board Spacecraft Feature Detection [0.0]
  衝突の危険箇所を特定するためには、リアルタイムで自動的な宇宙船の特徴認識が必要である。 新しいアルゴリズムSpaceYOLOは、最先端のオブジェクト検出器YOLOv5を、人間にインスパイアされた意思決定プロセスに基づいて、別個のニューラルネットワークで融合する。 SpaceYOLOの自律型宇宙船検出の性能は、ハードウェア・イン・ザ・ループ実験において通常のYOLOv5と比較される。
  論文  参考訳（メタデータ） (2023-02-02T02:11:39Z)
• Machine Learning for Discovering Effective Interaction Kernels between Celestial Bodies from Ephemerides [10.77689830299308]
  我々は、データ駆動学習アプローチを用いて、太陽系の天体の運動の安定的で正確なモデルを導出する。 太陽系の主要天体を相互に相互作用する物質としてモデル化することで、我々の学習モデルは極めて正確なダイナミクスを生成する。 我々のモデルは、特に火星、水星、月の近日点沈み込みを再現するという点において、観測データに対する統一的な説明を提供することができる。
  論文  参考訳（メタデータ） (2021-08-26T16:30:59Z)
• Benchmarking of Deep Learning Irradiance Forecasting Models from Sky Images -- an in-depth Analysis [0.0]
  我々は4つのよく使われるディープラーニングアーキテクチャを訓練し、半球空画像のシーケンスから太陽の照度を予測する。 その結果、時間的側面の符号化は予測を大幅に改善し、10分予測スキルはテスト年度で20.4%に達した。 一般的なセットアップでは、ディープラーニングモデルは"非常にスマートな永続化モデル"のように振る舞う傾向があり、永続モデルと時間的に一致し、最もペナルティの高いエラーを軽減します。
  論文  参考訳（メタデータ） (2021-02-01T09:31:14Z)
• Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
  2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。 我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
  論文  参考訳（メタデータ） (2020-10-20T15:31:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。